主要内容

oritingtrack.

跟踪并提取振动信号的阶数

描述

例子

玛格= ordertrack (XFS.rpm订单返回一个矩阵,玛格,其中包含指定订单集的时间依赖的根均方(RMS)幅度估计,订单,存在于输入信号中XX是以一套来测量的吗rpm以每分钟转数表示的转速。FS.为测量采样率,单位为Hz。

[玛格rpm时间] = ordertrack(XFS.rpm订单还返回与列对应的RPM和时间值的vector玛格

[___] = ordertrack(XFS.rpm订单RPMREFIDX.使用一阶vold-kalman滤波器提取订单幅度,并返回来自先前语法的任何输出参数。

例子

[___] = ordertrack(地图订单rpm时间订单从订单- rpm图开始计算一个数量级估计矩阵,地图,一个顺序向量,订单,和一个时间瞬间矢量,时间.使用rpmordermap.计算地图订单,时间.返回的幅度和缩放与中的相同地图

例子

[___] = ordertrack(___名称,值使用进一步的选项名称,值对。其中一些选项仅适用于Vold-Kalman跟踪程序。

oritingtrack(___在没有输出参数的情况下,在当前图中绘制与时间相关的订单和RPM值。

例子

全部折叠

创建一个以600 Hz采样5秒的模拟信号。正在测试的系统在观测期间将其转速从每秒10转增加到40转(或,等价地,从每分钟600转增加到2400转)。

生成转速表读数。

fs = 600;t1 = 5;t = 0:1 / fs: t1;f0 = 10;f1 = 40;rpm = 60 * linspace (f0 f1长度(t));

信号由四个谐波相关的啁啾组成,阶数为1、0.5、4和6。啁啾的振幅分别为1、1/2、√2和2。为了产生啁啾,用梯形法则将相位表示为转速的积分。

O1 = 1;O2 = 0.5;O3 = 4;O4 = 6;A1 = 1;A2 = 0.5;A3 = SQRT(2);A4 = 2;pH = 2 * pi * cumtrapz(rpm / 60)/ fs;X = [A1 A2 A3 A4] * COS([O1 O2 O3 O4]'* pH);

提取并可视化订单的大小。

ORDERTRACK(X,FS,RPM,[O1 O2 O3 O4])

图中包含2个轴。axis 1包含2个类型为line的对象。带有标题订单跟踪的轴2包含4个类型的线路。这些对象表示订单:1,订单:0.5,订单:4,订单:6。

创建由对应于两个不同电动机的两个交叉订单组成的模拟振动信号。信号以300 Hz采样3秒。在测量期间,第一电动机将其旋转速度从10到100转的转速从10到100转(或等效,从600到600次转速)增加。第二电动机在同一时期期间每秒从50到70转的转速(或3000至4200次)增加。

fs = 300;nsamp = 3 * fs;rpm1 = linspace(10100年,nsamp) * 60;nsamp rpm2 = linspace(70)“* 60;

测量到的信号是1.2阶,振幅为2√2。对于第二个电机,信号的阶数为0.8,振幅为4√2。

4 x = [2] * sqrt(2)。* cos(2 *π* cumtrapz ([1.2 * 0.8 rpm1 * rpm2] / 60) / fs);

使第一个电机在频率范围的中间激发一个共振。

rs = (1 + 1. / (1 + linspace(-10、10、nsamp)。^ 4)“/ 2的(nsamp, 1)];x = (rs . * x, 2)总和;

使用以下命令可视化rpmfreqmap.

rpmfreqmap (x, fs, rpm1)

图频率映射包含UIMEnu,UIToolbar,UiflowContainer类型的对象。

将两个电机的顺序幅度计算为RPM的函数。使用Vold-Kalman算法将交叉订单解耦。

Ordertrack (x,fs,[rpm1 rpm2],[1.2 0.8],[1 2],),'脱钩',真的)

图中包含2个轴。axis 1包含2个类型为line的对象。标题为Order Tracking的轴2包含2个类型为line的对象。这些对象表示Order: 1.2, Order: 0.8。

分析放置在直升机驾驶舱的加速度计的模拟数据。

加载直升机数据。振动测量,VIB.,以500hz的频率采样10秒。对数据的检验表明,它具有线性趋势。消除这种趋势,以防止它降低订单估计的质量。

加载('helidata.mat') vib = dettrend (vib);

计算订单-RPM地图。指定订单分辨率为0.005。

[Map,Order,RPM,Time,Res] = RpMorderMap(VIB,FS,RPM,0.005);

计算和绘制信号的平均阶谱。找出光谱中三个最高的峰。

(光谱,specorder) = orderspectrum(地图、订单);[~, pkords] = findpeaks (specorder频谱,“SortStr”“下”'npeaks'3);specorder findpeaks(光谱,“SortStr”“下”'npeaks'3)

图中包含一个坐标轴。轴线包含2个线型对象。

追踪三个最高山峰的振幅。

ordertrack(地图、秩序、转速、时间、pkords)

图中包含2个轴。Axes 1包含一个类型为line的对象。标题为Order Tracking的轴2包含3个类型为line的对象。这些对象表示Order: 0.0517、Order: 0.066282、Order: 0.026513。

输入参数

全部折叠

输入信号,指定为行或列向量。

例子:COS(PI / 4 *(0:159))+ RANDN(1,160)指定嵌入在白色高斯噪声中的正弦曲线。

数据类型:|单身的

采样率,指定为Hz中表达的正标量。

数据类型:|单身的

转速,用正数矢量或矩阵表示,单位为每分钟转数。如果rpm一个向量,它的长度是否和X.如果rpm是矩阵,然后呢RPMREFIDX.指定,然后rpm必须至少有两列,并且每列必须有与X

  • 如果您有转速表脉冲信号,请使用tachorpm提取rpm直接。

  • 如果您没有转速计脉冲信号,请使用rpmtrack提取rpm从振动信号。

例子:100:10:3000指定一个系统最初以每分钟100转的速度旋转,然后以每分钟10转的增量运行到每分钟3000转。

数据类型:|单身的

订单列表,指定为向量。订单不能有大于FS./(2×max(rpm/ 60))。

数据类型:|单身的

RPM列索引,指定为与相同尺寸的向量订单.这个参数的存在指定使用Vold-Kalman算法。

数据类型:|单身的

订单- rpm映射,指定为矩阵。使用rpmordermap.来计算订单- rpm映射。

数据类型:|单身的

order-RPM映射语法中的订单,指定为向量。的长度订单必须等于行的数量地图

数据类型:|单身的

名称-值对的观点

指定可选的逗号分离对名称,值参数。姓名是参数名称和价值为对应值。姓名必须出现在引号内。可以以任意顺序指定多个名称和值对参数Name1, Value1,…,的家

例子:“脱钩”,的确,“振幅”,“峰”同时提取指定的订单并返回每个顺序的峰值幅度。

振幅类型,指定为逗号分隔对,由“振幅”其中一个'rms'“高峰”, 或者'力量'

  • 'rms'- 返回每个估计顺序的根均方幅度。

  • “高峰”-返回每个估计订单的峰值振幅。

  • '力量'-返回每个估计订单的能量水平。

大小缩放,指定为逗号分隔对,由“规模”,要么'线性''D b'

  • '线性'-返回以线性单位缩放的量值。

  • 'D b'- 返回对数上缩放的幅度值并以分贝表示。

近似的半功率带宽,指定为逗号分隔对组成'带宽'一个实标量或者一个元素个数相同的实向量订单.较小的值'带宽'产生平滑,窄带输出。然而,这个输出可能不能准确地反映顺序振幅的快速变化。此参数仅适用于Vold-Kalman算法。

数据类型:|单身的

模式解耦选项,指定为逗号分隔对组成'脱钩'和逻辑价值。如果此选项设置为真正的, 然后oritingtrack.同时提取订单幅度,使其能够分离紧密间隔或交叉订单。此参数仅适用于Vold-Kalman算法。

数据类型:逻辑

重叠段的长度,指定为由逗号分隔的对组成“SegmentLength”和一个整数。如果您指定段长度,那么oritingtrack.将输入信号分成若干段。然后计算每个片段的数量级,并将结果组合起来生成输出。如果段太短,函数可能无法正确捕获本地化的事件,如交叉顺序。此参数仅适用于Vold-Kalman算法。

数据类型:|单身的

输出参数

全部折叠

数量级矩阵,返回为矩阵。

转速,返回为正数矢量,单位为每分钟转数。

时间瞬间,返回为矢量。

参考文献

[1]布兰德,安德斯。噪声和振动分析:信号分析和实验程序.英国奇切斯特:John Wiley & Sons, 2011。

[2] Feldbauer, Christian和Robert Höldrich。Vold-Kalman跟踪滤波器的实现——一个最小二乘问题数字音频效果COST G-6会议记录(DAFX-00).维罗纳,意大利,2000年12月7日至9日。

[3] Vold,Håvard和Jan Leuridan。“使用卡尔曼跟踪过滤器以极端旋转率跟踪高分辨率追踪。”冲击和振动.卷。2,1995,第507-515页。

[4] Tůma,霁ř我。沃尔德-卡尔曼多阶跟踪滤波器的算法第十四届国际喀尔巴阡山脉控制会议论文集,2013,第388-94页。https://doi.org/10.1109/CarpathianCC.2013.6560575

扩展能力

介绍在R2016B.